Trabajo 2 de (ACI)

1. BIG DATA

2. Big Data es un término que describe el gran volumen
de datos, tanto estructurados como no estructurados,
que inundan los negocios cada día. Pero no es la
cantidad de datos lo que es importante. Lo que
importa con el Big Data es lo que las organizaciones
hacen con los datos. Big Data se puede analizar para
obtener ideas que conduzcan a mejores decisiones y
movimientos de negocios estratégicos.
Big Data: ¿En qué consiste? Su
importancia, desafíos y gobernabilidad

3. ¿Qué es Big Data?
Cuando hablamos de Big Data nos referimos a conjuntos de datos
o combinaciones de conjuntos de datos cuyo tamaño (volumen),
complejidad (variabilidad) y velocidad de crecimiento (velocidad)
dificultan su captura, gestión, procesamiento o análisis mediante
tecnologías y herramientas convencionales, tales como bases de
datos relacionales y estadísticas convencionales o paquetes de
visualización, dentro del tiempo necesario para que sean útiles.
En la mayoría de los casos, con el fin de utilizar eficazmente el Big
Data, debe combinarse con datos estructurados (normalmente de
una base de datos relacional) de una aplicación comercial más
convencional, como un ERP (Enterprise Resource Planning) o un
CRM (Customer Relationship Management).

4. ¿Por qué el Big Data es tan
importante?
Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que
proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que
tenían. En otras palabras, proporciona un punto de referencia. Con una cantidad tan
grande de información, los datos pueden ser moldeados o probados de cualquier
manera que la empresa considere adecuada.
1.- Reducción de coste. Las grandes tecnologías de datos, como Hadoop y el
análisis basado en la nube, aportan importantes ventajas en términos de costes
cuando se trata de almacenar grandes cantidades de datos.
2.- Más rápido, mejor toma de decisiones. Con la velocidad de Hadoop y la
analítica en memoria, combinada con la capacidad de analizar nuevas fuentes de
datos, las empresas pueden analizar la información inmediatamente y tomar
decisiones basadas en lo que han aprendido.
3.- Nuevos productos y servicios. Con la capacidad de medir las necesidades de
los clientes y la satisfacción a través de análisis viene el poder de dar a los clientes
lo que quieren.

5. Desafíos de la calidad de datos en
Big Data
1. Muchas fuentes y tipos de datos
Con tantas fuentes, tipos de datos y estructuras complejas, la dificultad de integración de
datos aumenta.
Datos de internet y móviles.
Datos de Internet de las Cosas.
Datos sectoriales recopilados por empresas especializadas.
Datos experimentales.
2. Tremendo volumen de datos
Es difícil recolectar, limpiar, integrar y obtener datos de alta calidad de forma rápida. Se
necesita mucho tiempo para transformar los tipos no estructurados en tipos estructurados
y procesar esos datos.
3. Mucha volatilidad
Los datos cambian rápidamente y eso hace que tengan una validez muy corta. Para
solucionarlo necesitamos un poder de procesamiento muy alto.
4. No existen estándares de calidad de datos unificados
Estas normas necesitan madurar y perfeccionarse. Además, la investigación sobre la
calidad de datos de big data ha comenzado hace poco y no hay apenas resultados.

6. Cómo construir un plan de Data
Governance en Big data
1. Acceso y Autorización Granular a Datos
No se puede tener un gobierno de datos efectivo sin controles granulares.
2. Seguridad perimetral, protección de datos y autenticación
integrada
La gobernabilidad no ocurre sin una seguridad en el punto final de la cadena.
Es importante construir un buen perímetro y colocar un cortafuegos alrededor
de los datos, integrados con los sistemas y estándares de autenticación
existentes. Cuando se trata de autenticación, es importante que las empresas
se sincronicen con sistemas probados.
3. Encriptación y Tokenización de Datos
El siguiente paso después de proteger el perímetro y autenticar todo el
acceso granular de datos que se está otorgando es asegúrese de que los
archivos y la información personalmente identificable (PII) estén encriptados
y tokenizados de extremo a extremo del pipeline de datos.

7. 4. Constante Auditoría y Análisis
La estrategia no funciona sin una auditoría. Ese nivel de visibilidad y
responsabilidad en cada paso del proceso es lo que permite a la TI "gobernar"
los datos en lugar de simplemente establecer políticas y controles de acceso y
esperar lo mejor. También es cómo las empresas pueden mantener sus
estrategias actualizadas en un entorno en el que la forma en que vemos los
datos y las tecnologías que utilizamos para administrarlos y analizarlos están
cambiando cada día.
Estamos en la infancia de Big Data e IoT (Internet de Cosas), y es fundamental
poder rastrear el acceso y reconocer patrones en los datos.
5. Una arquitectura de datos unificada
En última instancia, el responsable de TI que supervisar la estrategia de
administración de datos empresariales, debe pensar en los detalles del acceso
granular, la autenticación, la seguridad, el cifrado y la auditoría. Pero no debe
detenerse ahí. Más bien debe pensar en cómo cada uno de estos componentes
se integra en su arquitectura de datos global. También debe pensar en cómo
esa infraestructura va a necesitar ser escalable y segura, desde la recolección
de datos y almacenamiento hasta BI, analítica y otros servicios de terceros. La
gobernanza de los datos es tanto acerca de repensar la estrategia y la
ejecución como sobre la propia tecnología.

8. BIOGRAFÍA
https://www.powerdata.es/big-data